考虑齿隙伺服系统的反步自适应模糊控制

针对具有未知参数和齿隙非线性的机电伺服系统,引入一种近似死区函数建立了系统的数学模型,给出了死区函数中参数的选取方法.用两个自适应模糊逻辑系统在线逼近机电伺服系统中的未知参数和非线性环节,从而避免了对每个未知参数推导自适应律.基于反步法设计了自适应模糊控制器,可抑制未知参数和齿隙非线性对系统性能的影响.采用Lyapunov方法证明了位置跟踪误差的指数收敛性.与PID控制方法对比的仿真实验表明,本文方法能够显著减小齿轮间传递力矩的振荡,并具有很好的控制精度和鲁棒性.     

非完整移动机械手鲁棒自适应模糊控制

考虑系统存在的参数、外界扰动和未建模动态等不确定性,研究非完整移动机械手的鲁棒自适应控制器设计方法.基于用旋量理论建立的非完整移动机械手的动力学模型,设计了移动平台子系统的运动控制器,然后应用非线性反步控制技术和模糊逻辑系统的通用逼近性,用参数化线性模糊逻辑系统逼近非完整移动机械手动力学模型中的不确定项,基于Lyapu...     

形状记忆合金驱动器的自适应滑模反步控制

形状记忆合金(SMA)作为一种智能材料,相对于传统的驱动器具有功率重量比大、驱动电压低、质量轻、干净、无噪音等特性,被广泛应用在各领域.然而,非线性、迟滞、时变等因素影响了形状记忆合金的控制精度,限制了它的应用.为此,本文提出了自适应滑模反步控制方法,用于解决精确控制问题.文中首先搭建了实验装置,建立了形状记忆合金的机理模型;然后,采用最小二乘算法辨识了模型参数;最后,基于机理模型设计了自适应滑模反步控制器.实验结果表明,本文提出的方法具有动态响应快、跟踪精度高和抗干扰能力强的特性.     

基于反步自适应控制的伺服系统齿隙补偿

齿隙是影响机电伺服系统动/静态性能的一个重要因素. 为了减小其不利影响, 该文以存在不确定参数的机电位置伺服系统为研究对象, 针对系统中存在的齿隙非线性, 应用反步积分方法, 通过逐步递推选择Lyapunov函数,设计了基于状态反馈的自适应控制器. 通过理论分析以及与传统PID控制的仿真结果比较表明, 该方案显著地降低了齿隙对伺服性能的影响, 提高了系统的跟踪精度和鲁棒性.     

小型无人直升机反步自适应控制

针对具有强非线性、高度耦合以及参数不确定性特点的小型无人直升机系统,提出一种基于小脑模型关节控制器（Cerebellar Model Articulation Control,CMAC）神经网络的自适应反步控制方法,该方法采用小脑模型关节控制器神经网络在线学习系统不确定性以及反步控制中各阶虚拟控制量的导数信息,设计鲁棒控制项克服CMAC神经网络在线学习系统不确定性的误差,控制律由反步法回归递推得到。仿真结果表明,在模型参数不确定和存在较大误差的情况下,所设计的控制律具有理想的姿态跟踪性能以及良好的鲁棒性。     

反步自适应方法实现混沌系统的同步

针对基于滞环非线性参数未知的多涡卷混沌系统,提出了一种自适应反步变结构的控制方案来实现其同步。通过逐步修正的方法设计镇定控制器,在每一步把状态坐标的变化、不确定参数的调节函数和一个Lyapunov函数的虚拟系统的镇定函数联系起来,以达到实现系统的全局调节。采用所设计的控制器实现了两个混沌系统的同步控制,使得误差系统在有限时间内到达所设定的滑模面,并沿着滑模面渐进收敛到原点,同时估计出系统中存在的未知参数。由于自适应算法和滑模方法的使用,控制器对参数扰动和外部干扰具有较强的抑制作用,理论分析和仿真结果验证了所提出方法的有效性。     

非线性严格反馈系统自适应非反步输出反馈控制

针对传统反步控制器设计方法存在复杂度爆炸、参数收敛难、控制奇异、需全系统状态已知等问题,提出一种新的可保证参数收敛的未知系统动态辨识和非反步输出反馈自适应控制方法.首先,通过定义新的状态变量和系统等价变换,将严格反馈系统状态反馈控制转化为标准系统的输出反馈控制,进而设计包含高阶微分器的自适应单步控制器,避免反步递推设计的问题;然后,采用两个神经网络对系统集总未知动态进行估计,避免传统控制方法在未知控制增益在线估计过零引发的奇异问题;最后,构造一种新的自适应算法在线更新神经网络权值确保其收敛到真实值,进而实现对未知系统动态的精准辨识.基于Lyapunov定理的分析表明,跟踪误差和估计误差均可收敛到零点附近紧集.基于液压伺服系统模型的对比仿真验证了所提出方法的有效性和优越性.     

永磁同步电机的模型参考自适应反步控制

基于转子磁场定向坐标系下的永磁同步电机(PMSM)模型,提出一种PMSM的模型参考自适应反步控制方法.该方法采用线性参考模型来给出控制系统的性能规范,通过定义虚拟控制和选择适当的Lyapunov函数来保证整个系统的稳定性,进而导出系统控制律及参数自适应律.系统可在电机参数变化和负载扰动的情况下,渐近跟踪参考模型给出的转速和定子电流信号.仿真结果证实了该方法的有效性.     

具有参数和负载不确定性的感应电机自适应反步控制

基于磁场定向坐标系下的感应电机模型,采用自适应反步方法设计控制器,通过选择适当的Lyapunov函数来保证整个系统的稳定性．进而逐步导出控制律和参数自适应律．该方法可在电机参数发生变化和出现负载扰动的情况下,实现转速和转子磁链的渐近跟踪．仿真结果证实了该方法的有效性．     

四旋翼无人机的自适应反步跟踪控制北大核心CSCD

针对四旋翼无人机存在外界干扰情况下的姿态和位置的跟踪控制问题,提出了自适应反步控制策略。首先,通过对四旋翼无人机模型的分析,将其转化为带有外界干扰的严反馈形式;其次,采用自适应技术,实现对未知外界干扰上界的估计,并结合反步控制,分别设计姿态和位置的跟踪控制器;再次,基于Lyapunov稳定性理论证明了闭环系统的渐近稳定性;最后,通过数值仿真验证了所设计控制策略的有效性。仿真结果表明所设计的控制器具有较好的鲁棒性和跟踪性能。     

Adaptive Fuzzy Backstepping Tracking Control for Flexible Robotic Manipulator

In this paper, an adaptive fuzzy state feedback control method is proposed for the single-link robotic manipulator system. The considered system contains unknown nonlinear function and actuator saturation. Fuzzy logic systems (FLSs) and a smooth function are used to approximate the unknown nonlinearities and the actuator saturation, respectively. By combining the command-filter technique with the backstepping design algorithm, a novel adaptive fuzzy tracking backstepping control method is developed. It is proved that the adaptive fuzzy control scheme can guarantee that all the variables in the closed-loop system are bounded, and the system output can track the given reference signal as close as possible. Simulation results are provided to illustrate the effectiveness of the proposed approach.      

基于模糊神经网络的电弧炉控制系统及仿真

电极调节系统是电弧炉炼钢过程不可缺少的基本装备。目前常用的电极调节器大多是基于单相意识,导致电极调节中电极往往误动作,大大影响了电弧炉的运行效益。在模糊控制和神经网络的基础上,探索研究一种基于三相意识的电弧炉控制新方法,采用模糊神经网络调节器控制对电弧炉电极进行调节,控制弧流弧压稳定在一定范围之内,使电弧炉冶炼达到有功功率最大化,进一步提高电弧炉的综合运行效益,降低能耗、减轻对电网危害。并用matlab对模糊神经网络进行仿真。结果表明,本网络具有较快的训练速度和较高的泛化能力,满足电弧炉控制的要求,其控制性能优于常规电弧炉控制系统。     

具有不确定负载的交流电机自适应后推控制方法

将后推控制方法应用于非线性感应电动机的控制系统中,并把负载作为不确定在数,引入自适应的机制。通过状态观测,感应电动机的速度和转子磁链得到良好的跟踪,改善了系统的性能。仿真结果证明了该方法的有效性。     

约束自适应反步法及其在飞行控制中的应用

为解决系统含有参数不确定性和(状态)执行器受限条件下的鲁棒自适应控制问题,将SISO系统指令滤波器推广到MIMO系统,提出一种基于指令滤波的自适应块控反步方法。在设计(虚拟)控制律时引入指令滤波器,在克服标准反步法虚拟控制律导数计算膨胀问题的同时,能够施加系统状态和执行器的限制条件,并通过引入扩展跟踪误差,有效解决了约束条件下参数估计过程的稳定性和跟踪误差收敛问题。给出了Lyapunov闭环稳定性证明,并将该方法应用于含有未知气动参数和输入饱和约束的飞行器非线性姿态控制器设计。6自由度飞行仿真表明,该控制器具有良好的指令跟踪能力和较强的鲁棒性。     

起重机升降运动系统自适应Backstepping控制研究

通过分析起重机升降运动系统各组成部分的关联关系,建立了起重机升降运动系统数学模型,从而将电动机的运动状态和负载的运动状态有效地统一起来;以该模型为基础,将负载运动位置作为控制变量,采用自适应Backstepping控制策略设计了一种起重机升降运动系统负载位置控制器。仿真结果表明,该控制器具有较快的响应速度和较小的跟踪误差,能够有效抑制负载突变和参数摄动的影响,具有良好的鲁棒性。     

模糊控制技术在加热炉燃烧控制系统中的应用

分析了加热炉的特点和工艺情况，阐述了智能模糊自适应PID控制原理及其在加热炉燃烧控制系统中的应用，介绍了计算机控制系统的结构和功能。实时控制结果表明，这种控制方法具有设计简单、鲁棒性强、容易实现等优点，取得了令人满意的控制效果。     

模型参考模糊自适应控制*

本文提出了一种模糊自适应机构的设计方法，所设计的自适应机构为偏差的非线性函数。用模糊自适应机构替代常规自适应机构，构成一个模型参考模糊自适应系统。导出了该系统稳定的充要条件，提出了一量化因子的选择方法，设计方法简单，便于工程应用。仿真结果表明：ＭＲＦＡＳ系统自适应性能好，抗内外扰动的能力强。     

Direct Adaptive Fuzzy Backstepping Control for Stochastic Nonlinear SISO Systems with Unmodeled Dynamics

This paper discusses the input‐to‐state practical stability (ISpS) problem for a class of stochastic strict‐feedback systems which possess dynamic disturbances, unstructured uncertainties and unmodeled dynamics. The uncertain terms not only depend on the measurable output, but also are related with other unmeasurable states of the system. In the backstepping design, we use fuzzy logic systems directly to approach unknown control signals rather than unknown functions. A main advantage of the direct control method is that for an nth order strict‐feedback stochastic system, only four online parameters are needed. Moreover, it is proved that the closed‐loop system is ISpS in probability by using a stochastic small‐gain approach. Two simulation examples illustrate the effectiveness of the proposed scheme.     

柔性关节机器人高精度自适应反步法控制

为实现多连杆柔性关节机器人的高精度运动控制,首先对其建立完整的动力学模型,包含了连杆和关节动力学的耦合项、LuGre动态摩擦模型和关节回差等因素．然后针对该模型设计带观测器的自适应反步法控制器,对不可测项进行在线估计和补偿．理论分析证明了观测器的收敛性和闭环系统的稳定性．该方法在一个3DOF（degree of freedom）柔性关节机器人上进行仿真,仿真结果验证了观测器的有效性,并表明该控制器能够降低连杆跟踪误差,实现良好的轨迹跟踪效果．